Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALTIPLANO-PUNO
FACULTAD DE INGENIERIA ESTADISTICA E
INFORMATICA
CURSO:
METODOS
M U LT I VA R
IANTES
TRABAJO
ENCARGADO
(ANALISIS DE
CLUSTER Y
FACTORIAL)
NOMBRE:
VENERAN
DA CALLA
CHARREZ
DOCENTE:
ING.
EDGAR E.
CARPIO
VA R G A S
SEMESTRE
CLUSTER
Segn variables para varones:
Casos
Vlido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
Cluster
Matriz de proximidades
Casos
Vlido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
Desviacin
Media estndar N de anlisis
m0 59,61 7,919 31
m25 44,13 5,903 31
m50 22,94 3,405 31
m75 8,39 2,028 31
Matriz de correlacionesa
a. Determinante = ,085
Las variables correlacionadas son:
Determinante = ,000
Segn se observa en la parte inferior de la matriz de las
correlaciones, el valor del determinante es 0,00.
Sig. ,000
Matrices anti-imagen
Componente
m0 ,814
m25 ,855
m50 ,924
m75 ,718
Mtodo de
extraccin: anlisis
de componentes
principales.
a. 1 componentes
extrados.
Comunalidades
Extraccin
m0 ,663
m25 ,731
m50 ,853
m75 ,515
Matriz de
coeficiente de
puntuacin de
componente
Componente
m0 ,295
m25 ,309
m50 ,334
m75 ,260
Mtodo de
extraccin: anlisis
de componentes
principales.
Matriz de covarianzas
de puntuacin de
componente
Componente 1
1 1,000
Mtodo de extraccin:
anlisis de componentes
principales.
CLUSTER
Casos
Vlido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
Matriz de proximidades
Casos
Vlido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
Estadsticos descriptivos
Desviacin
Media estndar N de anlisis
w0 64,19 8,822 31
w25 47,52 4,986 31
w50 26,29 3,339 31
w75 10,13 2,579 31
Matriz de correlacionesa
Sig. ,000
Matrices anti-imagen
Componente
w0 ,830
w25 ,983
w50 ,972
w75 ,797
Mtodo de
extraccin: anlisis
de componentes
principales.
a. 1 componentes
extrados.
Matriz de
coeficiente de
puntuacin de
componente
Componente
w0 ,256
w25 ,304
w50 ,301
w75 ,246
Mtodo de
extraccin: anlisis
de componentes
principales.
Comunalidades
Extraccin
w0 ,688
w25 ,966
w50 ,945
w75 ,635
Conclusin:
Llegamos a la conclusin en caso de mujeres es conveniente usas el
cluster por variable por que indica que se puede agrupar en solo 2
grupos y caso de varones tambin el cluster por variable por que indica
que solo se agrupara en dos grupos.